1.一种基于物联网与边缘计算的车载实时道路信息采集系统,其特征在于,包括:车辆运行数据采集模块,用于通过道路上多个车辆的车载终端分别采集各自的车辆运行数据,所述车辆运行数据包括位置、车速和加速度;
车辆运行数据传输模块,用于将所述多个车辆的车辆运行数据通过5G物联网通信网络传输至边缘计算节点;
车辆运行状态编码模块,用于在所述边缘计算节点,分别使用基于全连接层的车辆运行状态编码器对所述多个车辆的车辆运行数据进行编码以得到多个车辆运行状态全连接编码特征向量;
车辆间运行状态关联编码模块,用于在所述边缘计算节点,通过基于深度神经网络模型的车辆间运行状态关联编码器对所述多个车辆运行状态全连接编码特征向量进行特征提取以得到车辆间运行状态关联特征向量的序列;
道路全域车辆间运行状态表征模块,用于在所述边缘计算节点,将所述车辆间运行状态关联特征向量的序列通过门控特征筛选本质特征网络以得到道路全域车辆间运行状态关联表征特征向量作为道路全域车辆间运行状态关联表征特征;以及道路拥堵状态检测模块,用于基于所述道路全域车辆间运行状态关联表征特征,确定道路拥堵状态等级标签;
其中,所述道路全域车辆间运行状态表征模块,用于:
在所述边缘计算节点,将所述车辆间运行状态关联特征向量的序列通过所述门控特征筛选本质特征网络以如下特征筛选公式进行处理以得到所述道路全域车辆间运行状态关联表征特征向量;其中,所述特征筛选公式为:其中,
所述车辆间运行状态关联编码模块,用于:
在所述边缘计算节点,将所述多个车辆运行状态全连接编码特征向量通过所述基于深度神经网络模型的车辆间运行状态关联编码器以如下车辆间运行状态关联特征提取公式进行处理以得到所述车辆间运行状态关联特征向量的序列;其中,所述车辆间运行状态关联特征提取公式为:其中,
2.根据权利要求1所述的基于物联网与边缘计算的车载实时道路信息采集系统,其特征在于,所述深度神经网络模型为一维扩展卷积神经网络模型。
3.根据权利要求2所述的基于物联网与边缘计算的车载实时道路信息采集系统,其特征在于,所述道路拥堵状态检测模块,用于:在所述边缘计算节点,将所述道路全域车辆间运行状态关联表征特征向量通过基于分类器的道路拥堵状态评估器以得到评估结果,所述评估结果用于表示道路拥堵状态等级标签。
4.根据权利要求3所述的基于物联网与边缘计算的车载实时道路信息采集系统,其特征在于,还包括用于对所述基于全连接层的车辆运行状态编码器、所述基于深度神经网络模型的车辆间运行状态关联编码器、所述门控特征筛选本质特征网络和所述基于分类器的道路拥堵状态评估器进行训练的训练模块。
5.根据权利要求4所述的基于物联网与边缘计算的车载实时道路信息采集系统,其特征在于,所述训练模块,包括:训练数据采集单元,用于通过道路上多个训练车辆的车载终端分别采集各自的训练车辆运行数据,以及,道路拥堵状态等级标签的真实值,其中,所述训练车辆运行数据包括训练位置、训练车速和训练加速度;
训练车辆运行数据传输单元,用于将所述多个训练车辆的训练车辆运行数据通过5G物联网通信网络传输至边缘计算节点;
训练车辆运行状态编码单元,用于在所述边缘计算节点,分别使用所述基于全连接层的车辆运行状态编码器对所述多个训练车辆的训练车辆运行数据进行编码以得到多个训练车辆运行状态全连接编码特征向量;
训练车辆间运行状态关联编码单元,用于在所述边缘计算节点,通过所述基于深度神经网络模型的车辆间运行状态关联编码器对所述多个训练车辆运行状态全连接编码特征向量进行特征提取以得到训练车辆间运行状态关联特征向量的序列;
训练道路全域车辆间运行状态表征单元,用于在所述边缘计算节点,将所述训练车辆间运行状态关联特征向量的序列通过所述门控特征筛选本质特征网络以得到训练道路全域车辆间运行状态关联表征特征向量;
损失计算单元,用于在所述边缘计算节点,将所述训练道路全域车辆间运行状态关联表征特征向量通过所述基于分类器的道路拥堵状态评估器以得到分类损失函数值;以及损失训练单元,用于基于所述分类损失函数值对所述基于全连接层的车辆运行状态编码器、所述基于深度神经网络模型的车辆间运行状态关联编码器、所述门控特征筛选本质特征网络和所述基于分类器的道路拥堵状态评估器进行训练,其中,在所述训练的每一轮迭代中,对所述训练道路全域车辆间运行状态关联表征特征向量进行优化。
6.根据权利要求5所述的基于物联网与边缘计算的车载实时道路信息采集系统,其特征在于,所述损失计算单元,用于:通过所述基于分类器的道路拥堵状态评估器以如下分类训练公式对所述训练道路全域车辆间运行状态关联表征特征向量进行处理以得到训练分类结果;其中,所述分类训练公式为:其中,